Была ли подготовка данных, очистка спецсимволов или просто целиком то, что говорил оператор?

В большинстве проектов по обработке речи и машинному обучению подготовка данных — обязательный этап. Обычно аудиозаписи или транскрипты проходят очистку от спецсимволов, шумов, ошибок распознавания, чтобы модель обучалась на более чистом и релевантном материале. Например, из текста удаляют лишние знаки препинания, исправляют опечатки, нормализуют слова (стемминг или лемматизация). Если данные — это речь, то часто применяют фильтрацию шумов и нормализацию громкости.

Если же речь идет о прямом использовании того, что сказал оператор, без обработки, то качество модели и её предсказаний может значительно пострадать из-за «грязных» данных. Поэтому обычно подготовка и очистка — стандартная практика.